待验证50% 置信事实精确时间
该研究基于IEEE BigData 2026可解释自杀风险检测挑战赛提出了一套完整框架，让风险评估从给结论走向讲证据、析因素
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
首次发现
来源
涉及实体
相关事实
待验证论文构建了一次行为压力测试，系统性验证了预测智能体应先估计哪个证据来源值得主导以及路由策略应在可审计约束下自我适应65% 相似待验证为应对测试环境应试化，研究者建议引入模型无法预知的隐藏测试、动态评估、活基准（live benchmark）等方法65% 相似待验证ARC开发了一套模型评估(evals)框架，通过设计特定测试场景探测模型是否展现出危险行为倾向65% 相似已验证METR（Model Evaluation and Threat Research）等组织正在开发标准化的危险能力测评，包括模型是否能提供超越公开文献的生物合成指导、是否能自主发现零日漏洞64% 相似待验证当前AI模型评测主要依赖标准化基准测试（如MMLU、HumanEval、GSM8K等），但存在数据污染风险和与实际应用脱节的问题64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/986664API
curl https://kongchang.com/api/v1/knowledge/claims/986664MCP
get_claim(id=986664)